tensorflow :: ops :: ترکیبی از NonMaxSuppression

با حرص زیر مجموعه جعبه های مرزی را به ترتیب نزولی امتیاز انتخاب می کند.

خلاصه

این عملیات سرکوب non_max_ را روی ورودی های هر دسته ، در همه کلاس ها انجام می دهد. جعبه های دور آلو که دارای تقاطع بیش از حد اتحادیه (IOU) هستند با جعبه هایی که قبلاً انتخاب شده اند همپوشانی دارند. جعبه های مرزی به عنوان [y1 ، x1 ، y2 ، x2] ارائه می شوند ، جایی که (y1 ، x1) و (y2 ، x2) مختصات هر جفت مورب گوشه جعبه هستند و مختصات را می توان به صورت عادی تهیه کرد (یعنی دراز کشیدن فاصله [0 ، 1]) یا مطلق. توجه داشته باشید که این الگوریتم نسبت به جایی که مبدا سیستم مختصات است ، عرفانی است. همچنین توجه داشته باشید که این الگوریتم در تبدیلات متعامد و ترجمه های سیستم مختصات ثابت نیست. بنابراین ترجمه یا بازتاب سیستم مختصات منجر به انتخاب همان جعبه ها توسط الگوریتم می شود. خروجی این عملیات باکس های نهایی ، امتیازات و کلاس های تانسور پس از انجام سرکوب غیرمجاز است.

استدلال ها:

• دامنه: یک شی Sc Scope
• جعبه ها: یک تانسور شناور 4-D به شکل [batch_size, num_boxes, q, 4] . اگر q 1 باشد ، در غیر این صورت جعبه های مشابه برای همه کلاس ها استفاده می شود ، اگر q برابر با تعداد کلاس ها باشد ، جعبه های مخصوص کلاس استفاده می شود.
• نمرات: یک تانسور شناور 3 بعدی از شکل [batch_size, num_boxes, num_classes] نشان دهنده یک نمره واحد مربوط به هر جعبه (هر ردیف جعبه).
• max_output_size_per_class: یک تانسور صحیح عددی که نشان دهنده حداکثر تعداد جعبه ها است که با سرکوب غیر حداکثر در هر کلاس انتخاب می شود
• max_total_size: اسکالر نشان دهنده حداکثر تعداد جعبه های نگهداری شده در تمام کلاس ها.
• iou_threshold: یک تانسور شناور 0-D که آستانه را برای تصمیم گیری در مورد همپوشانی بیش از حد جعبه ها نسبت به IOU نشان می دهد.
• score_threshold: یک تانسور شناور 0-D به نمایندگی از آستانه تصمیم گیری در مورد زمان حذف جعبه ها بر اساس امتیاز.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• pad_per_class: در صورت نادرست بودن ، جعبه ها ، نمرات و کلاسهای nmsed خروجی به حداکثر_توزال_بانداری می شوند / بریده می max_total_size . در صورت صحت ، جعبه ها ، نمرات و کلاس های nmsed خروجی دارای حداکثر اندازه max_size_per_class * num_classes ، مگر اینکه از max_total_size فراتر رود که در این صورت به max_total_size . پیش فرض ها به نادرست است.
• clip_boxes: اگر درست است ، فرض کنید مختصات جعبه بین [0 ، 1] باشد و اگر جعبه های خروجی فراتر از [0 ، 1] باشند ، آنها را کلیپ کنید. در صورت نادرست ، حذف و مختصات جعبه را همانطور که هست انجام ندهید.

بازده:

• nmsed_boxes Output : یک تانسور float32 حاوی جعبه های سرکوب نشده حداکثر [batch_size، max_detections، 4].
• Output nmsed_scores: یک تانسور [batch_size، max_detections] float32 حاوی امتیازات جعبه ها.
• nmsed_classes Output : یک تانسور [batch_size، max_detections] float32 شامل کلاسهای جعبه ها.
• Output Valid_Detections: یک سنسور [batch_size] int32 که تعداد تشخیص های معتبر در هر مورد دسته ای را نشان می دهد. فقط ورودیهای num_detection [i] در nms_boxes [i] ، nms_scores [i] و nms_class [i] معتبر هستند. بقیه ورودی ها صفر است.

صفات عمومی

::tensorflow::Output nmsed_boxes

::tensorflow::Output nmsed_classes

::tensorflow::Output nmsed_scores

Operation operation

::tensorflow::Output valid_detections

 CombinedNonMaxSuppression(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size_per_class,
  ::tensorflow::Input max_total_size,
  ::tensorflow::Input iou_threshold,
  ::tensorflow::Input score_threshold
)

 CombinedNonMaxSuppression(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size_per_class,
  ::tensorflow::Input max_total_size,
  ::tensorflow::Input iou_threshold,
  ::tensorflow::Input score_threshold,
  const CombinedNonMaxSuppression::Attrs & attrs
)

Attrs ClipBoxes(
  bool x
)

Attrs PadPerClass(
  bool x
)